Pandas 按列分组并检查多个条件以创建新的分类列

Posted 2023-03-11

【中文标题】Pandas 按列分组并检查多个条件以创建新的分类列

【英文标题】：Pandas groupby a column and check multiple conditions to create a new categorical column

【发布时间】：2021-12-22 00:54:12

【问题描述】：

与我的查询类似，我正在尝试按特定的允许分组代码进行分组，这次还要在设置类别之前检查其他多个条件。

例如，我有以下数据框：

MemberID	AdmittingCode	LOS	Episode
1	a	5	3
2	a	10	6
1	b	2	3
2	b	1	6

现在，我想检查平均值是否是中位数的 2 倍以及最小集数是否小于 5，而不是简单地检查平均值和设置类别。我的意思是：

对于 AdmittingCode a，平均值为 7.5 ( (5 + 10) / 2 )。最初，逻辑是将 MemberID 1 的类别设置为 AdmittingCode 为 a，0 因为它小于7.5 LOS（只有 5 个）和对于 MemberID 2 AdmittingCode 为 a，1 因为它超过7.5 LOS（为 10）使用以下代码：

m = df.groupby('AdmittingCode')['LOS'].transform('mean').lt(df['LOS'])
df['LOSCategory'] = m.astype(int)

但是，现在我想在设置类别列之前再检查 2 个条件。

我想检查平均值是否不是中位数的 2 倍 我还想检查一下情节计数是否小于 5

如果上述两个条件都满足，我希望将类别设置为 0 或 1（即使只有上述条件 1 满足但其他条件不满足的情况）。

注意：这里的平均值和中位数基于每个 AdmittingCode，因此 a 的平均值与 b 的平均值不同和上一个查询一样。

根据这个逻辑，对于 AdmittingCode a，平均值为 7.5，中位数也是 7.5，对于 MemberID 1 AdmittingCode a with LOS 5 和 Episode 计数 3 ，类别将被设置为 0。这里，平均值不是中位数的 2 倍，而且计数小于 5。

最后观察到如下数据框：

MemberID	AdmittingCode	LOS	Episode	LOSCategory
1	a	5	3	0
2	a	10	6	1
1	b	2	3	0
2	b	1	6	1

【问题讨论】：

抱歉，您的情况不清楚：/

嘿@mozway 所以基本上我想检查平均值是否是特定录取代码的中位数的 2 倍。例如，对于 AdmittingCode 'a'，有 2 个成员，memberID 1 和 memberID 2。这里，LOS 分别是 5 和 10。因此，平均值为 5 + 10 / 2，即 7.5，中位数也是 5 + 10 /2，即 7.5。现在，对于 AdmittingCode 'a'，平均值不是中位数的 2 倍。两者都等于 7.5。所以，它满足第一个条件。现在，对于 MemberID 1，Episode 计数为 3，小于 5，因此，当两个条件都满足时，LOSCategory 的标志设置为 0。

你有 2 个值，所以平均值总是等于中位数……？所以基本上你的代码似乎减少到“情节大于 5 吗？”

对于这个小例子是@mozway，但对于更大的数据框，我也需要检查这个东西。

我的建议，简化您的问题（删除文本，直奔主题），更新您的示例以提供涵盖不同场景的更有意义的内容

【参考方案1】：

>>> df['LOSCategory'] = (df.groupby("AdmittingCode")
             .apply(lambda x: x.apply(lambda xx:(x.LOS.mean() >= x.LOS.median()*2) | (xx.Episode >= 5), axis=1))
             .astype(int)
             .to_list()
                        )


>>> df

   MemberID  AdmittingCode  LOS  Episode  LOSCategory
0          1             a    5        3            0
1          2             a   10        6            1
2          1             b    2        3            0
3          2             b    1        6            1

【参考方案2】：

您需要编写一个函数func 来返回所需的结果。

LOScategory = df.apply(
         lambda row: func(row['MemberID'], row['AdmittingCode'],row['LOS'],row['Episode']),
         axis=1)
df['LOScategory'] = LOScategory

【讨论】：

您能否详细说明该功能。函数应该是什么，它如何接受参数和操作？

取决于您的 LOCcategory 所依赖的内容。您需要对每一行进行计算并返回值。